デジタルコンテンツ視聴の因果効果検証 | 観測期間: 2023/4 - 2025/12
デジタルコンテンツ(Webinar, e-contents, web講演会)の視聴が、品目コード=00001<の納入額に与える因果効果を推定する。視聴開始時期が施設医師ごとに異なる「ずれた処置(staggered treatment)」に対応したDID推定量を使用する。
分析対象は 品目コード=00001 (ENT) の売上データに限定し、医師は RW医師 のみを使用する。
| 用語 | 補足説明 |
|---|---|
| DID (差の差分法) | 処置群と対照群の「前後差の差」で因果効果を推定する準実験的手法 |
| ATT (Average Treatment effect on the Treated) | 処置を受けた群における平均処置効果 |
| TWFE (Two-Way Fixed Effects) | 個体(施設)と時点の両方の固定効果を制御する回帰モデル |
| Callaway-Sant'Anna (CS) | 処置開始時期が異なる場合のバイアスを補正するDID推定量 |
| CATE (Conditional Average Treatment Effect) | 属性条件付きの平均処置効果(異質的処置効果) |
| コホート | 同一時期に処置を受け始めた施設のグループ |
| イベント時間 (event time) | 処置開始からの相対的な経過月数 (e=0が処置開始月) |
| Bootstrap | リサンプリングにより標準誤差・信頼区間を算出する統計手法 |
| 95% CI (信頼区間) | 真の効果がこの範囲に含まれる確率が95%である区間 |
| SE (標準誤差) | 推定値のばらつきの大きさ、小さいほど推定が安定 |
| p値 | 帰無仮説(効果ゼロ)が正しい場合にこの推定値以上が観測される確率 |
| クラスターロバストSE | 施設内の観測値の相関を考慮した標準誤差の補正 |
| 解析対象集団の選定フロー | データソースから段階的な除外基準を適用して最終解析対象を確定する過程の図示 |
| fac_honin (施設本院コード) | 本院に合算したコードで、分析の施設単位として使用 |
解析対象集団の選定フローを以下に示す。売上データ・RW医師リスト・視聴データの各ソースからENT品目を抽出し、施設-医師の1対1対応・wash-out・遅延視聴者の除外を経て、最終的な処置群・対照群を確定した。
| ステップ | 条件 | 除外数 | 残余数 |
|---|---|---|---|
| 初期 | 全品目売上データ | - | 58727 行 |
| [0a] ENT品目フィルタ | 品目コード = 00001 のみ | 40127 行 | 18600 行 |
| [0b] RW医師フィルタ | rw_list.csv の seg 非空 | 38 行 | 230 行 (158施設 / 214医師) |
| [0c] 視聴データ結合 | デジタル視聴 + 活動(web講演会) ENT品目 | 9604 行 | 2955 行 |
| [A] 複数医師施設 | 1施設に2名以上の医師 | 53施設 | 105施設 |
| [B] 複数施設所属 | 1医師が2施設以上に所属 | 16医師 | 96施設 |
| [C] Wash-out視聴 | 2023/4-5に視聴あり | 4医師 | 92施設 |
| [D] 遅延視聴者 | 初回視聴 >= 2025/10 | 3医師 | 89施設 |
| 最終 | 分析対象 | - | 89施設 (処置55 + 対照34) |
| 群 | 施設数 | 月次売上額 平均 | 月次売上額 SD | パネル行数 |
|---|---|---|---|---|
| 対照群 (未視聴) | 34 | 200.3 | 124.1 | 1122 |
| 処置群 (視聴) | 55 | 208.2 | 137.1 | 1815 |
処置群の初回視聴月ごとの施設数分布:
| 群 | 低 | 中 | 高 |
|---|---|---|---|
| 処置群 | 19 | 19 | 17 |
| 対照群 | 11 | 10 | 13 |
除外された医師と解析対象の医師の視聴パターンを比較する。
| 手法 | ATT (処置群の平均処置効果) | SE (標準誤差) | p値 | 95% CI (信頼区間) | 有意性 |
|---|---|---|---|---|---|
| TWFE (全体) | 29.21 | 7.58 | 0.000117 | [14.35, 44.06] | *** |
| CS (全体) | 35.37 | 8.44 | 0.000028 | [18.83, 51.91] | *** |
| CS (Webinar) | 31.64 | 9.29 | 0.000661 | [13.43, 49.85] | *** |
| CS (e-contents) | 33.62 | 7.06 | 0.000002 | [19.79, 47.45] | *** |
| CS (web講演会) | 28.96 | 8.09 | 0.000342 | [13.11, 44.81] | *** |
| イベント時間 | ATT | SE | 95% CI下限 | 95% CI上限 |
|---|---|---|---|---|
| e=-6 | -6.86 | 6.40 | -19.41 | 5.69 |
| e=-5 | 6.96 | 6.06 | -4.90 | 18.83 |
| e=-4 | 12.99 | 4.20 | 4.77 | 21.22 |
| e=-3 | 8.73 | 5.08 | -1.24 | 18.69 |
| e=-2 | 3.37 | 3.84 | -4.16 | 10.89 |
| e=-1 | 0.00 | 0.00 | 0.00 | 0.00 |
| e=0 | 20.52 | 4.08 | 12.52 | 28.52 |
| e=1 | 24.88 | 5.45 | 14.19 | 35.57 |
| e=2 | 22.28 | 5.50 | 11.50 | 33.07 |
| e=3 | 25.68 | 4.96 | 15.95 | 35.41 |
| e=4 | 34.61 | 5.30 | 24.23 | 44.99 |
| e=5 | 26.75 | 6.29 | 14.41 | 39.09 |
| e=6 | 33.48 | 7.04 | 19.69 | 47.27 |
| e=7 | 27.87 | 7.30 | 13.56 | 42.19 |
| e=8 | 30.63 | 6.78 | 17.34 | 43.92 |
| e=9 | 39.08 | 7.77 | 23.85 | 54.31 |
| e=10 | 40.42 | 8.13 | 24.49 | 56.35 |
| e=11 | 41.32 | 8.44 | 24.77 | 57.87 |
| e=12 | 44.35 | 9.78 | 25.19 | 63.51 |
| e=13 | 39.54 | 9.25 | 21.42 | 57.66 |
| e=14 | 42.01 | 10.18 | 22.06 | 61.97 |
| e=15 | 46.05 | 11.17 | 24.16 | 67.94 |
| e=16 | 41.55 | 12.10 | 17.83 | 65.28 |
| e=17 | 44.33 | 12.34 | 20.14 | 68.51 |
| e=18 | 46.40 | 12.56 | 21.79 | 71.02 |
MR活動(面談、面談_アポ、説明会等)の月次実施回数を共変量として追加した場合の推定結果。 デジタル視聴の効果推定がMR活動の時変交絡に頑健かどうかを検証する。
| モデル | ATT | SE | p値 | 95% CI | 有意性 |
|---|---|---|---|---|---|
| TWFE (メイン) | 29.21 | 7.58 | 0.000117 | [14.35, 44.06] | *** |
| TWFE (+MR活動共変量) | 29.20 | 7.58 | 0.000117 | [14.35, 44.06] | *** |
| 共変量 | 係数 | SE | p値 | 有意性 |
|---|---|---|---|---|
| MR活動回数 | -0.05 | 0.70 | 0.9381 | n.s. |
ATT変化率: 0.0%
| レベル | N | ATT | SE | 95% CI |
|---|---|---|---|---|
| 低 | 19 | 23.5 | 6.8 | [10.2, 36.8] |
| 中 | 19 | 19.6 | 9.1 | [1.7, 37.4] |
| 高 | 17 | 66.9 | 15.9 | [35.7, 98.1] |
| 比較 | 差 | SE | p値 | 有意性 |
|---|---|---|---|---|
| 低 - 中 | 4.0 | 10.9 | 0.7151 | n.s. |
| 低 - 高 | -43.3 | 17.9 | 0.0157 | * |
| 中 - 高 | -47.3 | 18.6 | 0.0108 | * |
以下の3つの分析アプローチで、視聴パターンと売上の関連性を多角的に検証します:
分析の目的: 視聴1回目、2回目、3回目...それぞれの限界効果を推定し、配信成功率(視聴確率)を考慮した期待効果を算出。 同じ予算で、既存医師への追加配信 vs 新規医師への初回配信、どちらが効果的かを定量的に評価。
医師×月レベルのパネルデータで、視聴回数別の限界効果を推定(TWFE回帰)。
| 視聴回数 | 限界効果(万円) | SE | p値 | 有意性 |
|---|---|---|---|---|
| 1回目 | 4.32 | 3.37 | 0.1997 | n.s. |
| 2回目 | 10.64 | 4.33 | 0.0141 | * |
| 3回目 | 11.79 | 3.95 | 0.0029 | ** |
| 4回目 | 17.22 | 4.43 | 0.0001 | *** |
| 5回目以上 | 34.68 | 5.93 | 0.0000 | *** |
視聴回数が増えるほど限界効果が増加する傾向(逓増効果)。 5回目以上の限界効果は1回目の約8倍。
配信履歴から、各段階での視聴確率を推定。
| 段階 | 視聴確率 |
|---|---|
| 新規医師(初回視聴) | 3.4% |
| 既存1回 → 2回目 | 29.2% |
| 既存2回 → 3回目 | 41.8% |
| 既存3回 → 4回目 | 26.4% |
| 既存4回 → 5回目 | 54.2% |
配信成功率を考慮した、実質的な期待効果を算出。
| 配信対象 | 視聴確率 | 限界効果 | 期待効果 | 対新規比 |
|---|---|---|---|---|
| 新規医師 1回目 | 3.4% | 4.32万円 | 0.15万円 | 1.0倍 |
| 既存医師 2回目 | 35.5% | 10.64万円 | 3.78万円 | 25倍 |
| 既存医師 3回目 | 47.4% | 11.79万円 | 5.59万円 | 38倍 |
| 既存医師 4回目 | 56.6% | 17.22万円 | 9.75万円 | 65倍 |
| 既存医師 5回以上 | 50.5% | 34.68万円 | 17.53万円 | 118倍 |
全ての視聴回数で既存医師の期待効果が高い(常に既存医師優先)
|
📊 期待効果ランキング: 1. 既存5回以上: 17.53万円 2. 既存4回目: 9.75万円 3. 既存3回目: 5.59万円 4. 既存2回目: 3.78万円 5. 新規1回目: 0.15万円 |
✅ 実務的推奨: • 既存視聴医師への配信を最優先 • 視聴回数が多いほど効率的 • 新規医師への配信は効率が極めて低い • 限られた予算は既存医師に集中投下 |
(a) 視聴回数別の限界効果 / (b) 視聴確率(継続率) / (c) 期待効果の比較 / (d) 期待ROI / (e) 配信優先順位 / (f) 最適配分メッセージ
視聴回数だけでなく 視聴の時間的パターン を考慮し、医師・施設属性による 選択バイアスを調整。
| パターン | 医師数 | 割合 |
|---|---|---|
| 未視聴 | 34 | 38.2% |
| 断続視聴型 | 28 | 31.5% |
| 定期視聴型 | 22 | 24.7% |
| 単発視聴 | 4 | 4.5% |
| 短期集中型 | 1 | 1.1% |
視聴有無を、医師・施設属性(経験年数、診療科、地域、施設タイプ)で予測するLogitモデルを推定。
| 指標 | 値 |
|---|---|
| Pseudo R2 | 0.1507 |
| 視聴群の平均傾向スコア | 0.6923 |
| 未視聴群の平均傾向スコア | 0.4977 |
Pseudo R2が 15.07% で、視聴群の平均傾向スコアが未視聴群より高い。 これは視聴医師が特定の属性(経験豊富、都市部など)に偏っていることを示唆。
逆確率重み付け(IPW)により、属性バイアスを調整した各パターンの平均売上を推定。
| パターン | IPW調整後平均売上 | 医師数 |
|---|---|---|
| 定期視聴型 | 255.7 | 22 |
| 未視聴 | 219.3 | 34 |
| 断続視聴型 | 193.7 | 28 |
| 単発視聴 | 276.9 | 4 |
| 短期集中型 | 123.8 | 1 |
(a) セッション分類分布 / (b) 傾向スコア分布 / (c) IPW調整後の平均売上
MR活動(訪問回数)は 企業が制御可能な変数。MR活動が視聴を介して売上に影響する経路を検証。
| 指標 | 値 |
|---|---|
| MR活動-視聴相関係数 | -0.0121 |
| MR活動の係数 | -0.0125 |
| p値 | 0.3827 |
| 有意性 | n.s. |
相関係数が -0.012 と非常に小さく、 MR活動だけでは視聴をほとんど説明できない。 これは視聴が複数チャネル(ベンダーサイト、MRメール、web講演会など)から発生し、 MR活動以外の要因が大きいことを示唆。
| 変数 | 係数 | SE | p値 | 有意性 |
|---|---|---|---|---|
| 視聴回数 | -74.472 | 53.801 | 0.166400 | n.s. |
| 効果 | 値 |
|---|---|
| Direct Effect (直接効果) | 1.047 |
| Indirect Effect (間接効果) | 0.930 |
| Total Effect (総効果) | 1.977 |
| 間接効果の割合 | 47.0% |
間接効果(MR活動→視聴→売上)が総効果の約 47% を占める。
(a) MR活動-視聴の散布図 / (b) MR活動と視聴の時系列 / (c) 直接効果の係数
MR活動自体も内生的(売上が良い施設にMRが多く訪問)な可能性あり
視聴回数のみを使うよりは頑健な推定
MR活動は制御可能な変数として、意思決定に活用可能
TWFE回帰により、MR活動とデジタル視聴それぞれの売上への限界効果を推定。
| 変数 | 限界効果(万円/回) | SE | p値 | 有意性 |
|---|---|---|---|---|
| MR活動 | 2.00 | 0.55 | 0.000271 | *** |
| デジタル視聴 | 9.38 | 1.71 | 0.000000 | *** |
コスト仮定を用いて、各チャネルの費用対効果を計算。
| 指標 | MR活動 | デジタル視聴 |
|---|---|---|
| 1回あたりコスト(万円) | 2.0 | 0.5 |
| 1回あたり売上貢献(万円) | 2.00 | 9.38 |
| 費用対効果(売上/コスト) | 1.00 | 18.76 |
複数のシナリオで、コストと売上のトレードオフを検証。
| シナリオ | MR FTE | デジタル予算 (万円) |
総コスト (万円) |
コスト変化 | 売上変化 | ROI |
|---|---|---|---|---|---|---|
| 現状維持 | 100名 | 5,000 | 105,000 |
+0 (+0.0%) |
+0.0% | 5.75 |
| MR半減+デジタル増額 | 50名 | 7,621 | 57,621 |
-47,379 (-45.1%) |
+0.0% | 10.48 |
| MR 30%減+デジタル増額 | 70名 | 6,573 | 76,573 |
-28,427 (-27.1%) |
+0.0% | 7.89 |
| デジタル特化(MR最小) | 20名 | 9,194 | 29,194 |
-75,806 (-72.2%) |
+0.0% | 20.68 |
| 同コストでデジタル最大化 | 20名 | 85,000 | 105,000 |
+0 (+0.0%) |
+16.3% | 6.69 |
(a) シナリオ別コスト / (b) 売上変化率 / (c) ROI / (d) 効率的フロンティア / (e) 配分マップ / (f) 限界効果 / (g) コスト効率性
推奨: デジタル特化(MR最小)
|
📋 現状 MR FTE: 100名 デジタル予算: 5,000万円 総コスト: 105,000万円 ROI: 5.75 |
✅ 推奨配分 MR FTE: 20名 デジタル予算: 9,194万円 総コスト: 29,194万円 ROI: 20.68 |